Thesis (MPhil)--University of Stellenbosch, 2006. / On title page: Master of Philosophy (Ancient Cultures). Bibliography.

A capacidade de prever resultados futuros, ao se analisar uma série de dados, é uma importante ferramenta para o planejamento de qualquer empresa ou indústria. Porém, a literatura oferece muitas opções de ferramentas e modelos estatísticos que permitem obter estas previsões. Cada qual com suas características e recomendações. Dentre estes modelos, destacam-se os modelos de Box e Jenkins, e os modelos de Redes Neurais Artificiais (RNA) - com destaque aos modelos de perceptron de múltiplas camadas (MLP). Estas duas diferentes abordagens são comparadas nesta dissertação com relação a sua capacidade de obter previsões acuradas em séries de dados não lineares quanto a sua média. As abordagens foram comparadas utilizando-se a série mensal do índice de produção física industrial do Estado do Rio Grande do Sul. Bem como a série anual de manchas solares, sendo a segunda utilizada como caso-controle para as comparações, devido ao fato de que as suas propriedades já foram amplamente estudadas. No estudo da série do índice de produção física mensal, os modelos de Box e Jenkins obtiveram melhor rendimento. Na série das manchas solares foram os modelos MLP que se destacaram. Desta forma, não é possível afirmar se alguma das abordagens é superior - tratando-se de séries de dados não lineares quanto a sua média. / The capacity to preview future outcomes on the time series analysis is an important tool for any business and industry planning. However, the literature offers many options on statistical tools and models which allow to obtain these forecasts. Each one with their features and recommendations. 1n these models, the Box and Jenkins and Artificial Neural Networks (ANN) models, with the multilayer perceptron (MLP) highlighted, stand out. These two different approaches are compared in this thesis related to the capacity to obtain accurate forecasts in mean related non-linear time series analysis. These approaches were compared using the monthly physical production index of Rio Grande do Sul time series and the sunspot series, being the second one used as a case-control to the comparisons, due the fact of its properties are already widely studied. 1n the monthly physical production index series study, t,he Box and Jenkins models obtained better efficiency. 1n the sunspot series, the MLP models were highlighted. So, it isn't possible to affirm if any of the approaches is superior, in the case of mean related non-linear time series.

A capacidade de prever resultados futuros, ao se analisar uma série de dados, é uma importante ferramenta para o planejamento de qualquer empresa ou indústria. Porém, a literatura oferece muitas opções de ferramentas e modelos estatísticos que permitem obter estas previsões. Cada qual com suas características e recomendações. Dentre estes modelos, destacam-se os modelos de Box e Jenkins, e os modelos de Redes Neurais Artificiais (RNA) - com destaque aos modelos de perceptron de múltiplas camadas (MLP). Estas duas diferentes abordagens são comparadas nesta dissertação com relação a sua capacidade de obter previsões acuradas em séries de dados não lineares quanto a sua média. As abordagens foram comparadas utilizando-se a série mensal do índice de produção física industrial do Estado do Rio Grande do Sul. Bem como a série anual de manchas solares, sendo a segunda utilizada como caso-controle para as comparações, devido ao fato de que as suas propriedades já foram amplamente estudadas. No estudo da série do índice de produção física mensal, os modelos de Box e Jenkins obtiveram melhor rendimento. Na série das manchas solares foram os modelos MLP que se destacaram. Desta forma, não é possível afirmar se alguma das abordagens é superior - tratando-se de séries de dados não lineares quanto a sua média. / The capacity to preview future outcomes on the time series analysis is an important tool for any business and industry planning. However, the literature offers many options on statistical tools and models which allow to obtain these forecasts. Each one with their features and recommendations. 1n these models, the Box and Jenkins and Artificial Neural Networks (ANN) models, with the multilayer perceptron (MLP) highlighted, stand out. These two different approaches are compared in this thesis related to the capacity to obtain accurate forecasts in mean related non-linear time series analysis. These approaches were compared using the monthly physical production index of Rio Grande do Sul time series and the sunspot series, being the second one used as a case-control to the comparisons, due the fact of its properties are already widely studied. 1n the monthly physical production index series study, t,he Box and Jenkins models obtained better efficiency. 1n the sunspot series, the MLP models were highlighted. So, it isn't possible to affirm if any of the approaches is superior, in the case of mean related non-linear time series.

Neste trabalho está apresentada uma alternativa para o cálculo do fator de concentração de tensões (FCT) em juntas tubulares soldadas do tipo Y. Redes Neurais Artificiais (RNA) foram utilizadas para representar a distribuição de tensões ao longo da junta tubular para os casos de carregamento força axial no plano e momento fletor no plano. As RNA podem aprender a partir de um conjunto de dados sem a necessidade de uma expressão matemática entre as variáveis dependentes e independentes; representa uma vantagem sobre o procedimento normalmente utilizado, ou seja, as equações paramétricas. O modelo proposto representa um avanço no projeto de juntas tubulares, uma vez que evita a necessidade de se conhecer uma expressão matemática para representar a distribuição de tensões na junta e fornece um método mais preciso para avaliar a distribuição de tensões ao longo da junta soldada. O conjunto de dados utilizado foi formado a partir de simulações numéricas das juntas soldadas através do MEF, nas quais foi considerada a geometria do cordão de solda. / An alternative approach to calculate stress concentration factors (SCF) in Y-type welded tubular joints is presented. Artificial Neural Networks (ANN) were used to represent the stress distribution along the tubular joints in both in-plane axial force and in-plane bending moment load cases. ANN can learn from a database without establishing a mathematical expression between dependent and independent variables, which is an advantage over the usual parametric equations approach. The proposed model represents an improvement in the tubular joints design, since it avoids the previous knowing of a mathematical expression to represent the stress distribution in the joint and provides an accurate method to evaluate the stress distribution along the welded fillet joint. The database herein used was completed with FE simulations of tubular joints which consider the geometry of the weld fillet.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / Esta investigaÃÃo propÃe o desenvolvimento de um mÃtodo para a localizaÃÃo e prediÃÃo das caracterÃsticas geotÃcnicas dos solos que possa contribuir para o processo da tomada de decisÃo, quanto à sua utilizaÃÃo, para fins de pavimentaÃÃo. Utilizou-se Geoprocessamento e Redes Neurais Artificiais (RNAs) como tÃcnicas de modelagem, bem como variÃveis biofÃsicas e espaciais como explicativas dos fenÃmenos modelados. As caracterÃsticas pesquisadas (pedologia, geologia, geomorfologia, vegetaÃÃo, altimetria e posiÃÃo) se correlacionaram com as variÃveis geotÃcnicas estimadas (classificaÃÃo TRB - Transportation Research Board e CBR - California Bearing Ratio) para solos provenientes da RegiÃo Metropolitana de Fortaleza (RMF). Assim, desenvolveu-se trÃs modelos de RNAs que foram calibrados, validados e testados. Dois desses modelos foram dedicados à geraÃÃo de estimativas de CBR nas energias de compactaÃÃo normal (CBR-N) e intermediÃria (CBR-I). O terceiro modelo foi elaborado para geraÃÃo de estimativas da classificaÃÃo TRB dos solos da RMF. As caracterÃsticas geotÃcnicas estimadas por estes modelos possibilitaram a elaboraÃÃo dos chamados Mapas GeotÃcnicos Neurais, estratificados para previsÃo dos valores de CBR-N, CBR-I e ClassificaÃÃo TRB. Adicionalmente, os mapas produzidos e todas as informaÃÃes da pesquisa foram disponibilizados em um Sistema de InformaÃÃes GeogrÃficas Web (SIG-Web), de forma a possibilitar seu uso em projetos viÃrios e estudos acadÃmicos futuros, tanto para download dos mapas gerados, quanto para geraÃÃo de estimativas para uma Ãrea especÃfica da RMF. AlÃm disso, disponibilizou-se ao SIG-Web um realimentador de pontos geotÃcnicos para permitir uma recalibraÃÃo futura dos modelos na tentativa de melhorar a qualidade das estimativas geradas que atualmente à superior a 90% de taxa de acerto. / This research focuses on the development of a method, aimed to predicting and positioning the geotechnical characteristics of soils that may contribute to the process of decision making of its use for paving purposes. Were used Geoprocessing and Artificial Neural Networks (ANN) modeling techniques, as well as spatial and biophysical variables of the phenomena modeled. The characteristics studied (pedology, geology, geomorphology, vegetation, altimetry and position) were correlated with the estimated geotechnical variables (TRB Classification and CBR) for soils from the metropolitan region of Fortaleza, Cearà (RMF). Three models of ANNs were developed calibrated, validated and tested. Two of these models were dedicated to generating estimates of CBR in the normal (CBR-N) and intermediate (CBR-I) compaction modes. The third model was developed to generate estimates of the geotechnical characteristics of the soils from the RMF Classification TRB. The geotechnical characteristics estimated by these models enabled the preparation of Neural Geotechnical Maps, stratified for values of CBR-N, CBR-I and TRB Classification. The maps produced and all the survey information was made available on a Web Geographic Information System (Webmapping), thus allowing its use in road projects and future academic studies, both to download the maps and to generate estimates for RMF. In addition, provided to the Webmapping a geotechnical receiver points, to allow recalibration of future models in an attempt to improve the quality of the estimates that currently is more than 90% accuracy rate.

A capacidade de prever resultados futuros, ao se analisar uma série de dados, é uma importante ferramenta para o planejamento de qualquer empresa ou indústria. Porém, a literatura oferece muitas opções de ferramentas e modelos estatísticos que permitem obter estas previsões. Cada qual com suas características e recomendações. Dentre estes modelos, destacam-se os modelos de Box e Jenkins, e os modelos de Redes Neurais Artificiais (RNA) - com destaque aos modelos de perceptron de múltiplas camadas (MLP). Estas duas diferentes abordagens são comparadas nesta dissertação com relação a sua capacidade de obter previsões acuradas em séries de dados não lineares quanto a sua média. As abordagens foram comparadas utilizando-se a série mensal do índice de produção física industrial do Estado do Rio Grande do Sul. Bem como a série anual de manchas solares, sendo a segunda utilizada como caso-controle para as comparações, devido ao fato de que as suas propriedades já foram amplamente estudadas. No estudo da série do índice de produção física mensal, os modelos de Box e Jenkins obtiveram melhor rendimento. Na série das manchas solares foram os modelos MLP que se destacaram. Desta forma, não é possível afirmar se alguma das abordagens é superior - tratando-se de séries de dados não lineares quanto a sua média. / The capacity to preview future outcomes on the time series analysis is an important tool for any business and industry planning. However, the literature offers many options on statistical tools and models which allow to obtain these forecasts. Each one with their features and recommendations. 1n these models, the Box and Jenkins and Artificial Neural Networks (ANN) models, with the multilayer perceptron (MLP) highlighted, stand out. These two different approaches are compared in this thesis related to the capacity to obtain accurate forecasts in mean related non-linear time series analysis. These approaches were compared using the monthly physical production index of Rio Grande do Sul time series and the sunspot series, being the second one used as a case-control to the comparisons, due the fact of its properties are already widely studied. 1n the monthly physical production index series study, t,he Box and Jenkins models obtained better efficiency. 1n the sunspot series, the MLP models were highlighted. So, it isn't possible to affirm if any of the approaches is superior, in the case of mean related non-linear time series.

The human brain is always trying to predict ahead in time. Many say that it is possible to take actions only based on internal simulations of the brain. A recent trend in the field of Artificial Intelligence is to provide agents with an “inner world” or internal simulations. This inner world can then be used instead of the real world, making it possible to operate without any inputs from the real world. This final year project explores the possibility to navigate collision-free in a dynamic environment, using only internal simulation of sensor input instead of real input. Three scenarios will be presented that show how internal simulation operates in a dynamic environment. The results show that it is possible to navigate entirely based on predictions without a collision.

This thesis examines the methods through which Gail Anderson-Dargatz and Ann-Marie MacDonald construct region in their novels The Cure for Death by Lightning and Fall on Your Knees. These texts, like all successful regional novels, describe more than geography. Their regions are also functions of time. I introduce the term "temporal region" to describe the spaces created by this interdependence of time and place. I then focus upon the specifics of descriptive and narrative approach that lead to the convincing portrayal of the Shuswap and Cape Breton Island in the texts. Anderson-Dargatz and MacDonald direct attention to the foddways of their regions, expressing the connection between consumption choices and a society's historical and physical location. The authors also articulate their regions by highlighting cultural diversity in the areas they describe. In this way they deny the social homogeneity more sentimental regional texts often rely upon. Finally, the novelists use an appropriately Canadian method of regional opposition to define their temporal regions according to that which they are not ~ they are not American, glamorous, or urban. They therefore must be Canadian, quotidian, and rural. / Arts, Faculty of / English, Department of / Graduate

No description available.

Konfliktprediktering handlar om att bedöma risken för våld i ett geografiskt område vid en given tid. Uppgiften lämpar sig bra för datorer som med hjälp av matematiska modeller kan hitta mönster i stora mängder data. Att prediktera konflikthändelser går att göra med olika metoder. Syftet med studien var att utvärdera multilayer perceptron (MLP), en typ av artificiella neuronnät, som metod för konfliktprediktering i relation till två andra metoder. I studien beskrivs hur MLP-neuronnätet konstruerades och hur prestationsmått togs fram för dess prediktioner. De värdena jämfördes senare med prestationsmått från andra studier för de två andra metoderna. Prediktionerna grundade sig på data om konflikthändelser, samt ekonomiska och demografiska faktorer för länder i världen. Jämförelsen visade att MLP är användbar som metod för konfliktprediktering och hade, under de förutsättningar som rådde, i viktiga avseenden högre prediktiv förmåga än de andra metoderna. Studien presenterar även fyra faktorer som kan påverka vilken modelleringsmetod som en modellerare borde använda för konfliktprediktering.